機器學習—特徵工程

此博客只爲記錄自身學習，參考《百面機器學習》 對於一個機器學習問題，數據和特徵往往決定了結果的上限，而模型和算法的選擇及優化則是在逐步接近這個上限。 特徵歸一化 爲了避免不同特徵之間量綱的影響，我們需要對特徵進行歸一化處理。對於不同的特徵而言，其量綱的變化範圍是不同的，有的特徵數量級很大，因此不同樣本之間的特徵差異也很大，但是有的樣本可能數量級很小，那麼對與這類樣本的特徵差異也很小。如果不做歸一化

>>阅读原文<<